Cette thèse développe une méthode de rétroconception fondée sur l'intégration de la modélisation paramétrique et de l’intelligence artificielle dans un cadre systémique. Elle s’appuie sur un corpus de vingt-neuf thermes impériaux romains situés en Afrique du Nord et à Rome, présentant des états de conservation variés. L’objectif est de dépasser les limites des approches traditionnelles en concevant un système capable de prédire, à partir de fragments, des hypothèses spatiales cohérentes avec les principes architecturaux romains.
La démarche repose sur deux modèles complémentaires : un Parametric Dataset Model (PDSM) structurant les données architecturales et un Artificial Intelligence Completion Model (AICM) basé sur l’apprentissage automatique. Ce dernier comprend cinq sous-modèles permettant de déduire les fonctions, les espaces manquants, l’organisation, la géométrie et l’emprise des édifices. Cette approche offre un outil de rétroconception, de recherche et d’enseignement, ouvert à l’enrichissement collaboratif et à la reconstitution numérique du patrimoine bâti.